信息理论揭示了人工智能写作为何如此糟糕

声明：在编辑过程中，我们使用了人工智能语言模型来起草技术描述，并就结构和行文提出改进建议。文章的最终版本采纳了其中若干条建议。

我读过数量惊人的小说，尤其是科幻小说。此外，为了我的软件工程工作，我还会使用每一款新发布的旗舰级AI模型。

这两段经历让我产生了一种挥之不去的感受：与高水平的人类作家相比，人工智能的“语气”竟是如此惊人地千篇一律。

任何热爱文学的人都会明白我的意思。我读过大约五千位不同作家的作品，但我真心认为，即使你只读过六七位作家的作品，也会发现每位作家都有自己独特的风格。

与人类作家独具特色的文风相比，人工智能生成的文字听起来却异常千篇一律。原来这背后有充分的理由，而且与信息论密切相关。

声音作为概率分布

独特的作者“风格”并非随机形成，也非平庸之作。它是一种特定的概率分布——我们姑且称之为 P_author。当作者写作时，他们是在一个极具个人特色的生成过程中进行采样。他们在概念的运用、行文节奏、词汇选择以及其他风格手法的运用上，都遵循着特定的条件概率。

让一种文风具有辨识度的，是作者始终如一地做出的那些低频但影响深远的选择（即分布曲线的长尾部分）。如果我说“特德·姜”，你立刻就会想到他的句子在句法上多么朴素，但在语义上却多么凝练（这是我欣赏的风格，但正如这个括号里的内容所示，我无法模仿）。 如果我说“厄休拉·K·勒古恩”，你会想到她如何既能保持清晰扎实的笔触，又能营造出诗意的氛围——我其实很难准确描述她的风格，但勒古恩的读者都明白我的意思。

归根结底，我想表达的是：衡量一段文本听起来有多“像AI”的正确方法，并非检查它是否具有普遍的可预测性——毕竟大多数优秀的写作在某种程度上都是可预测的——而是测量模型输出分布与特定作者分布之间的KL散度：D_KL(P_author || Q_model)。 对于不熟悉KL散度的读者，它衡量的是模型分布在多大程度上未能覆盖作者的选择（具体来说，它是衡量使用针对Q优化的编码对P中的样本进行编码时，所产生的预期额外信息成本）。当这种散度较大且具有结构性时，你便能听出一种“声音”。

RLHF陷阱与“标注者共识方言”

在预训练阶段，大型语言模型会生成一张反映人类文本泛化分布的地图。这一基础分布 Q_base 的范围极其广泛。在其潜空间中，它具备近似几乎任何 P_author 的能力。

我所提到的这个陷阱源于模型的对齐问题。为了使模型既安全又实用，研究实验室采用了“基于人类反馈的强化学习”（RLHF）等技术。具体实现方式虽有差异，但核心在于：模型经过优化，能够生成在基于人类（或人工智能）偏好的奖励信号评估中表现优异的输出结果。

这并不会使模型趋向于英语的统计平均值。它会使模型趋向于一种具有不同概率分布的模式——我们称之为“标注者共识方言”。

实现这一结果的机制如下：当评委（无论是受雇评估成果的零工、专家还是其他人）对成果进行评估时，风格独特的写作会导致评分出现较大波动。 我的写作风格可能被一位评分员评为5分（满分5分），却被另一位评为2分。但一篇枯燥、对称且充满保留措辞的回答，却可能获得全员一致的4分。优化算法决定了，降低评分差异是最大化预期回报的最稳妥方式。这在对话中，就相当于酒店大堂的装饰风格。

你可能会说：“乔，这种说法不公平！新的对齐技术正是专门设计来保持多样性的！”虽然这话没错，但这些新方法仍然会针对某种“首选”输出结果进行优化，这意味着与安全、广受认可的行文相比，它们依然会对高变异性的冒险尝试予以惩罚。

这是一个可验证的论断（我尚未进行验证，但它是可验证的）。如果你测量对齐后的模型输出与某语料库（例如企业公文与文学小说）之间的KL散度，我的预测是：模型的分布将更接近企业公文的中心。据我所知，目前尚无人发表过这一确切的测量结果，但优化数学理论对此给出了强有力的预测。

伪装的幻象（为何提示样式会失败）

我知道你在想什么：是啊，但你可以通过提示让模型摆脱这种语体。比如“用1920年代硬汉派侦探小说的风格来写”之类的（我内心的一部分确实想看看，如果让模型把这篇文章改写成卢佩·菲亚斯科的歌词，会是什么效果）。这样生成的文本确实与“标注者共识语体”不同，但读起来依然让人觉得可疑地千篇一律。

这是因为，移动分布的均值与再现其方差结构之间存在数学上的差异。

当你要求一个模型模仿某位作者时，它的重心就会发生偏移。它会计算目标对象在词汇、句式结构及其他风格特征上的统计平均值，并向该位置移动。但它会将我们之前讨论过的“方差压缩”机制应用到这个新位置上。

人类的写作风格依赖于有结构的随机性。作者通常拥有一个基础节奏，但会通过刻意打破这种节奏来营造效果，例如突然写出一个残句、使用一个不合常理的动词，或是为了增强情感效果而让句子变得错综复杂。计算风格计量学拥有衡量这种特性的工具：对句子长度时间序列进行赫斯特指数分析，可以揭示人类写作中存在而人工智能文本所缺乏的长程依赖关系。人类作者调节词汇多样性的方式，是模型无法做到的。

总之，当你要求以特定风格写作时，模型虽然捕捉到了目标风格的特征，却消除了其中的所有突变。它生成的结果其实是你所要求内容的夸张版本。

《温度与朋友们》的失败

如果人工智能的分布范围太窄，为什么我们不能直接将其扩大呢？

最常见的方法是温度缩放。当你提高温度 T 时，在计算概率之前，会将模型的原始对数 odds 除以 T，这会使整个分布趋于平坦，并迫使模型选择概率较低的词汇。但这种做法是盲目的。人类作者的独特性具有很强的条件性。人类打破规则的方式非常具体且一致，而温度缩放却只会引入随机噪声。

希望这一点不言自明——归根结底，提高温度只会让你从“可疑的平滑”过渡到“可疑的随机”，而完全不会经过“人类”这一阶段。

我知道还有更复杂的解码策略。Top-p（核心）采样、Top-k 过滤、重复惩罚以及无分类器引导等方法，都试图实现更有针对性的权重重新分配。这些方法确实能在一定程度上起到作用，但它们都未能解决一个根本问题：这些都是在推理时对模型进行的干预，而该模型的整体运行理念（如果可以这么称呼的话）是在对齐阶段就已确立的。

此外，还有一点细微差别，最近有位朋友向我指出了这一点：对齐并不会抹去基础模型在风格多样性方面的潜在能力。只要权重足够多，预训练权重仍然编码了 Q_base 的大部分丰富性。 目前正涌现出一些推理时引导技术，例如表征工程（Representation Engineering），它们可以通过深入底层潜空间来部分恢复被抑制的变异性。不过这些仍属于研究领域，尚未应用于公开的AI产品中。

同样，长上下文的上下文学习也能取得略微更好的效果，但当上下文规模足够大时，注意力机制的效果会减弱（而且随着上下文规模的增大，结果将逐渐回归到均匀分布）。

那又怎样？

这里的主要启示是，RLHF相关技术中的设计选择将迫使这些AI“声音”在远超人们愿意承认的时间内仍可被识别。

此外，将作者的文风视为一种特定的高维概率分布来思考也是很有帮助的，我建议你在下次阅读自己喜欢的作家作品时，试着自己找出其中的KL散度。作者的独特风格究竟源自何处？ 这是一个有趣的练习，或许能增加你阅读文本时的乐趣；而在当前大语言模型（LLM）导致技能退化的时代，这种通过实践和内化新知识的艰难过程，正是值得去经历的。